如何使用正则表达式提取第二个字符串（空格之后）？

Question

我有一个返回如下数据的代码：

['WKU  D02807750\n', 'WKU  D02807769\n', 'WKU  D02807777\n', 'WKU  D02807785\n']

我想在创建列表的循环中使用regex，如下所示：

import re
pat_nos = []
for line in open('file.txt'):
 if pat_no in line:
 pat_nos.append(line)
print(pat_nos)

所以它会返回一个如下列表：

['D02807750', 'D02807769', 'D02807777', 'D02807785']

我知道在追加时需要在“行”上使用regex，但我不确定如何使用regex在文本后面的最后一个空格（WKU后面可能有1到2个空格）之间拆分所有内容，但我想要的东西总是以字母数字字符开头，总是以换行结束

Answer 1

因为你想用正则表达式

import re
l = ['WKU  D02807750\n', 'WKU  D02807769\n', 'WKU  D02807777\n', 'WKU  D02807785\n']
newList = []
search = '\\s(D\\d*)'
for thing in l:
    answer = re.search(search,thing)
    newList.append(answer.group(1))
print(newList)

Answer 2

如果保证它始终是字符串中的最后一个子字符串，则只需使用split()，例如：

lst = ['WKU  D02807750\n', 'WKU  D02807769\n', 'WKU  D02807777\n', 'WKU  D02807785\n']
result = [x.split()[-1] for x in lst]

输出：

['D02807750', 'D02807769', 'D02807777', 'D02807785']

如果不能保证它是最后一个子字符串，并且您希望使用regex，则可以使用以下命令：

import re
lst = ['WKU  D02807750\n', 'WKU  D02807769\n', 'WKU  D02807777\n', 'WKU  D02807785\n']
result = [re.search(r'(\w\d+)\n', x).group(1) for x in lst]

输出：

['D02807750', 'D02807769', 'D02807777', 'D02807785']

Answer 3

只需使用str.split()和最后一个元素构建一个列表理解

l = ['WKU  D02807750\n', 'WKU  D02807769\n', 'WKU  D02807777\n', 'WKU  D02807785\n']

print([x.split()[-1] for x in l])

请注意，linefeed被忽略，因为split是在没有参数的情况下调用的：根据1个或多个空格字符（制表符、空格、换行符…）进行拆分

结果：

['D02807750', 'D02807769', 'D02807777', 'D02807785']

（使用regex这样做更复杂：[re.split(" ",x)[-1].strip() for x in l]，因为regex split不会删除空字段）

编辑：如果您想返回所有但第一项，则需要另一种技术。你可以split()然后join()：

[" ".join(x.split()[1:]) for x in l]

或者限制split操作的数量（之后需要strip）：

[x.split(maxsplit=1)[-1].strip() for x in l]

或者可以使用partition根据找到的第一个空格进行拆分，然后使用strip()结果删除前导空格和尾随空格：

[x.partition(" ")[2].strip() for x in l]

与l = ['WKU D 02807750\n', 'WKU D 02807769\n', 'WKU D02807777\n', 'WKU D02807785\n'] 你得到['D 02807750', 'D 02807769', 'D02807777', 'D02807785']